Przewidywanie Stanów Magazynowych

Retail

Kontekst

Celem było dostarczenie powtarzalnych prognoz sprzedaży dla przedsiębiorstwa z południowo-wschodniej Azji, zajmującego się handlem detalicznym odzieży. Naszym zadaniem, było stworzenie modeli predykcyjnych dla dwóch typów danych: produktów, dla których klient miał dane historyczne ze sprzedaży, oraz dla produktów bez historii. Model miał przewidywać sprzedaż na 6 miesięcy do przodu.

Wykonaliśmy

W celu przewidzenia sprzedaży produktów z historią, stworzyliśmy model hybrydowy łączący prognozy indywidualne, dla każdego produktu z prognozami dla grup.

Prognoza dotycząca produktów bez historii sprzedaży okazała się trudniejsza. W celu znalezienia podobieństw między nowymi produktami, a produktami z historią, do ekstrakcji cech zastosowaliśmy Convolutional Neural Network (CNN), następnie połączyliśmy je i otrzymaliśmy dane historyczne niezbędne do analizy.

Rezultat

  • Zwiększenie sprzedaży, zminimalizowanie strat.
  • Na podstawie wizualnego podobieństwa uzyskanego za pomocą Convolutional Neural Network (CNN), algorytm przewiduje sprzedaż produktów z danymi historycznymi i bez danych historycznych.
Technology used
  • Python
  • TensorFlow
  • Convolution Neural Networks
  • R
Schedule a call with our team